Pi 爆火真相：为什么只给模型一个 bash，反而赢了 Claude Code 和 Codex
背景：Pi 的诞生与"维也纳 Agent 编程学派"
2025 年底，一个叫 Pi 的极简 Harness 在圣诞节前后突然爆火。它没有塞满几十个工具，没有复杂记忆系统，甚至没有云端方案——基本上只给了模型一个 bash，却在各种 Benchmark 中反复击败 Claude Code 和 Codex。做出它的团队不在硅谷，在欧洲。
Pi 的诞生源于作者 Mario Zechner（跨平台游戏框架 libGDX 创建者）对 Claude Code 的使用体验。Mario 从 2025 年 4 月开始频繁使用 Claude Code，最初喜欢其简单可预测的工作方式，但随着 Anthropic 不断增加功能、修改系统提示词和工具定义，他的工作流反复受影响。更让他不满的是，许多 Harness 会在用户无感知的情况下向模型注入额外上下文，开发者很难真正掌握模型看到了什么、调用了什么工具。
Mario、Armin Ronacher（Flask 作者）、Peter Steinberger（后来开发 OpenClaw）三人早在 2025 年就开始密切交流 Coding Agent 设计，5 月在维也纳共同开发 VibeTunnel，逐渐形成了一套相近的 Agent 设计思路，被社区称为"维也纳 Agent 编程学派"。
2026 年 1 月，Armin 几乎完全转向 Pi。4 月，Mario 携项目加入 Armin 联合创办的 Earendil，Pi 转入公司旗下。
太长不看版：核心 Q&A 速览
Q：Pi 凭什么能赢 Claude Code 和 Codex？
模型本身已经非常擅长用计算机。与其塞一堆专用工具把上下文撑爆，不如让模型用管道把命令串起来。Codex 现在其实也是靠 bash 干活的——它说"找到一堆文件"，背后就是去调 rg（ripgrep）。Pi 赢在"只做最基础的事"这件事上，做得更早、更彻底。
Q：Pi 火起来是因为极简吗？ 极简只是表象，真正的引爆点是可扩展性。它火的时间点很关键——当时其他 Agent 正在往反方向走，变成塞满几十个工具的东西，Claude Code 每次更新都在改变用户工作流，而 Pi 让人看到"你可以把它变成你自己的东西"。
Q：收购 Pi 是看中了这个项目吗？ 不是。真正的故事是"终于把 Mario 拉进团队"。问题从来不是"这个项目值不值"，而是"我们能不能让这个人上船"。
Q：为什么 Agent 不需要"记忆"？ 我们不是"记忆"的信徒。真正缺的是让 Agent 操作数据的能力——给 Agent 真正好的数据库访问，让它能存自己的数据，同时把这些数据开放给人类用。Agent 被限制在一个聊天记录里，这本身就是大问题：它没法持久地给你自定义 UI。
Q：限制 Agent 的是什么？是 AI 不够强吗？ 不是 AI 不够强，限制 Agent 的是经典的系统架构问题。Agent 怎么调出 UI，这基本就是状态管理和组件库的事；怎么构建一个数据库让 Agent 操作而不会破坏数据，也是经典工程问题。我们会看到更多人写 Rust、用 NixOS、上 Kafka，因为这些一直是更好的方案，只是对人类太复杂，但对 Agent 没那么难。
Q：企业砸了那么多钱在 AI 编码上，到底值不值？ 除了 commit 数量，几乎看不到别的可衡量指标。甚至做 side project 的人，比真正把 AI 编程铺开的公司成功率高得多。GitHub 都快被 commit 撑爆了，但社会层面的变化我还没看到。
Pi Agent 为什么火？
Armin 认为，模型本身已经非常擅长使用计算机，Pi 基本上就只给了它一个 bash。大多数 Harness 都在"只做最基础的事"这件事上变得越来越好。
Codex 是一个很好的例子：虽然它告诉你"发现了一堆文件"，但实际上它手里已经没有多少工具了。Codex 作为 Harness，本质上也是靠 bash 来做很多事情的——如果要找文件，就是去调 rg。直接依赖 bash 一直是个非常好的思路。
核心理由是：与其把东西一股脑拉进上下文，不如让它们能通过管道（pipeline）串起来。比如在同一条命令里加上分隔标记，模型就知道"这是第一个要跑的程序，然后执行第二个程序"。Pi 在保持上下文高效这件事上已经变得相当有创造力。
模型会越来越往底层走吗？
Armin 去年就相当有信心地说过"这大概就是它要去的方向"，因为能预示未来的是训练数据在哪里、以及强化学习设置里什么最容易训练进模型。
但现在情况变了——Coding Agent 已从"这是 AI 的一种方案"变成了"这就是 AI 的那一种方案"。模型实验室本身也可能在"把其他训练数据也喂进这条路"上展开竞争。
他注意到的最大变化是：现在很多最先进的模型已经可以有交错的系统消息（interleaved system messages），这让你可以做到延迟加载工具（deferred tool loading）。这不算翻天覆地的改动，但足够有意义。
收购故事：是关于人，不是关于项目
Armin 透露，他们早在 2025 年夏天就在问 Mario 愿不愿意加入团队。问题从来不是"要不要拿下 Pi"，而是"我们得做什么才能把 Mario 拉进来"。
Earendil 现在看起来像是一家 Pi 公司，但那不是目标。未来大概率不会是"只做 Harness 的公司"，而是想成为一家让 AI 为每个人所用的公司——而这必须从 Harness 开始。
Agent 现在像当年的 DOS
Armin 把现在的 Agent 比作当年的 DOS：它本质上是一个基于文本的个人电脑，极度优化资源利用率。如果有的选，没人会用 DOS。从 DOS 到真正人人都能用、都想用的桌面电脑，中间经历了一堆迭代。
Agent 目前的形态根本不是一个普通人应该去用的用户界面。他很难想象四年后所有人还在用现在这种 Coding Agent 的形式：
- Token Maxing 的人会把这东西部署到软件工厂里，不会花大量时间跟单个 Agent 打交道
- 想用它做领域特定工作的人，大概也不会泡在今天这种 Agentic Interface 里
除了 Harness，还有哪些拼图要补？
1. 行业经济学必须走向模型层面的真正竞争
好消息是这正在发生，你现在有一大堆模型可以选择。但不理想的是，美国一些闭源模型上的新功能正在越来越多地把你锁进它的生态里。Armin 常举的例子是服务端压缩（server-side compaction），它现在会生成一个不可移植的会话。
2. 持久性
你能把一个 Agent 挂起，然后从它中断的地方继续。今天在编码 Harness 上做得相当不错，但还没到可以构建不需要 Human in the Loop 的持久系统的水平。
3. Agent 从终端带到 Web
到现在还没有人真正把 Agent 从终端用户界面带到 Web 上并让它成为最强大的体验。Web 上大多数 Agent 看起来只像是终端 Agent 的一个网页界面。
4. 数据操作能力（而非"记忆"）
Armin 强调他们不是"记忆"的坚定信徒，但相信要给 Agent 操作数据的方式。问题变成：你怎么给 Agent 真正好的数据库访问能力，让它们能存自己的数据，同时也能把这些数据开放给人类使用？
Agent 被限制在聊天记录里是个大问题
以 Home Assistant 智能家居管理为例：Agent 不应该只能执行命令，还应该能把家里的情况、所有智能家居设备可视化出来给你看。但这些 Agent 确实能给你一点点 UI，但给不了太多。
不需要 AI 突破，需要系统架构突破
Armin 明确表示不需要新的 AI 突破。现在限制 Agent 能做什么的，只是因为我们从"人类写代码"变成了"Agent 写代码"，而对人类廉价的事情对 Agent 可能很昂贵，反过来也一样。
Linux 正在复兴
这不只是因为 Omarchy 这类工具的流行，更因为 Agent 特别擅长 Linux——互联网上有大量关于 Linux 如何工作的资料，训练数据足够多。Agent 非常擅长远程控制 Linux 环境。
Armin 大胆预测：哪怕是现在，他妈妈用 Coding Agent 去定制 Linux，可能都比在 Mac 上定制 Mac 更成功。 因为 Mac 的训练数据没那么多，更别说 Windows 了——Windows 基本上完全在分布之外。
复杂技术将因 Agent 而复兴
我们会看到更多人写 Rust、用 NixOS、尝试真正复杂的数据库、用 Kafka 做事件流处理。因为这些一直都是更好的解决方案，只是对人类来说太复杂了，但对 Agent 来说没那么难。
Agent 怎么调出 UI，不是创造力的问题，这基本上就是状态管理、组件库的问题。怎么构建一个数据库让 Agent 在里面操作而不会破坏数据——这些都不是 AI 问题，它们就是经典的系统架构问题。
本地还是云端？
Armin 坦言他不太在意云端 Agent，因为摩擦太大、速度太慢。他有一台特别猛的 Mac，本地跑就是快得多。
他分享了一个真实的 debug 故事：帮一个人 debug 云端版本的 Codex/Claude Code，问"你这里的数据库测试怎么跑的？"对方不知道。一起查了一下发现——云端环境里数据库测试从来就没跑通过，因为那个云端环境里根本没有 Postgres，直接把所有东西都 mock 掉了。
而用一台自己控制的机器配好开发环境然后 SSH 进去跑东西，比折腾那些云端方案要成功得多。
企业 AI 编码的 ROI 之问
Armin 提出了尖锐的质疑：企业现在在 AI 编程上花了这么多钱，营收真的涨了吗？
- 很多 AI 创业公司赚得盆满钵满，这他承认
- 但传统企业全面推行 AI 编程，投入反映到数字上了吗？
- 模型在安全研究上变得太强，以至于企业也不得不花钱永久性检查自己的代码库有没有安全问题——实际上是把成本推高了
- 做 side project 的人，比真正把 AI 编程铺开的公司成功率高得多
- 除了 commit 数量，几乎看不到别的可衡量指标
- GitHub 都快被 commit 撑爆了，但他坐火车、公交、骑车出门，周围所有商店的行为跟三年前基本没两样
"上一次真正的转变是手机，现在去演唱会，100% 的人举着手机对着舞台，那种渗透是侵略性的。ChatGPT 也确实到处都是，但那种冲击我还没真正看到。"
开源：既是营销，又能白拿基础设施
Armin 对当前 AI 领域的开源热潮有独到观察：
开源的现实动机
如果你是开源项目，你能拿到免费的基础设施。开源项目用 GitHub Actions 和闭源项目用，成本差很多钱。所以如果你想白嫖基础设施，你就把它做成开源——这是当下的现状。
但他担心长期来看这会毁掉开源，因为现在很多做开源软件的人根本不懂许可证、不懂怎么让开源项目在财务上跑通。对他们来说，开源主要就是一个营销渠道。
训练数据的优势
如果你想让 Agent 帮你构建某个东西，那它开源是有天然优势的——因为除非改了什么，否则你的代码最终会进入训练数据，这其实是个相当重要的因素。
Armin 甚至透露和微软内部的人聊过，他们在评估模型处理外部代码的质量，和处理"写一个 Xbox 游戏"的质量之间的差异——因为主机代码几乎从来没有被公开分享过，实际上基本被禁止公开。
判断开源项目好坏的唯一标准
"它 10 年、15 年后还在吗？而且仍然开源吗？如果是，那它就是个好的开源项目。如果不是，那它就不是。"
Armin 以 PHP 为例：PHP 1.0/2.0 那玩意儿太可怕了，当时很多人说 PHP 是垃圾。但今天 PHP 其实是一门非常好的编程语言，Laravel 是一个很棒的生态。如果根据 Rasmus 刚开始做出来的样子去评判它，评价会糟糕透顶。
推理会吃掉软件市场吗？
关于推理支出占比越来越大的趋势，Armin 认为：
- Token 成本理论上在降，但解决任务的实际成本似乎还在上升
- 如果按 API 价格而不是订阅价格付费，他根本不会怎么用 AI
- 留着一批人反而比全砍掉纯用 AI 更划算，尤其按目前价格水平
- 在编程之外，AI 是个喜忧参半的东西——人们在用，但用法跟用智能手机、TikTok 差不多
- 广告行业已经出现付溢价不让 AI 参与的趋势
"我希望的落点是，社会能以某种方式围绕它重新平衡，而不是像社交媒体那样收场。所有人都在用，同时所有人都在恨它。那会是个不幸的结局。"
欧洲在落后，但问题不只是政策
Armin 对欧洲科技竞争力有清醒认识：
- 欧洲确实在落后，有动力的人正在离开
- 根本问题是欧洲处于"保存过去"而非"赋能未来"的阶段
- 欧盟是 27 个国家，一直在互相内斗——27 支军队、27 套法律体系、27 套劳工法规
- 这不是政治家的问题，是社会想要什么的问题
- 社会不像某些国家那样想要数据中心，对大型科技公司没有好感
Zero 的看法
这篇文章表面上是 Pi Agent 的故事，实质是 Armin Ronacher 对整个 AI Agent 领域的系统性思考。几个值得深挖的点：
1. "极简 bash" 不是哲学立场，是工程判断。 Armin 反复强调这不是"少即是多"的审美选择，而是基于训练数据和 RL 设置的技术推论——模型最容易学会的就是调用 bash 管道。这意味着，如果你的 Harness 设计与模型的训练分布对齐，就能获得更好的性能。这对前端工程师设计工具链有直接启发：与其给模型一堆定制 API，不如让它用已有的 CLI 工具管道串联。
2. "Agent 不需要记忆" 这个判断很反直觉，但逻辑自洽。 当前主流 Agent（包括 Claude Code）都在往更复杂的记忆系统走，Armin 却认为真正缺的是数据操作能力——让 Agent 能读写数据库、持久化状态、给人类提供自定义 UI。这指向一个更大的方向：Agent 的终态不是"更聪明的聊天机器人"，而是"能操作数据的自主系统"。如果你在构建 Agent 应用，应该把精力放在数据层和 UI 层，而不是一味堆 context window。
3. "Linux 正在复兴" 这个观察对前端工程师特别有共鸣。 Armin 说 Agent 在 Linux 上的表现远超 Mac/Windows，本质原因是训练数据分布。这和前端工程师熟知的"框架生态大小决定工具链成熟度"是同一个逻辑。 implications：如果你的 Agent 要部署开发环境，优先选 Linux——不是因为它"更好"，而是因为模型"更懂它"。
4. 企业 AI 编码 ROI 的质疑值得认真对待。 Armin 不是反 AI，他是 Flask 作者、Pi 核心推广者。但他直言：除了 commit 数量，看不到别的可衡量指标。这对 Rainsho 的实际场景有参考价值——如果团队在推 AI 编码，不要只看 commit 数，要看实际交付质量和效率提升。
5. 对开源"白嫖基础设施"的洞察很犀利。 这解释了为什么 AI 领域突然冒出大量"开源"项目——很多不是为了开源精神，而是为了免费 GitHub Actions 额度和进入训练数据。Armin 作为开源老兵（Flask 25 年历史），他的担忧值得重视：这可能正在侵蚀开源的长期健康。
一个缺失的信息： 文章没有给出 Pi 的具体 Benchmark 数据。Armin 说 Pi "赢了很多 Benchmark"，但没有引用任何具体数字、对比对象或测试方法。这让"赢了 Claude Code 和 Codex"的说法缺乏可验证性。如果你考虑用 Pi，建议先看 SWE-bench 等公开评测的实际数据。